r. HASIL PENELITIAN DAN PEMBAHASAN

54 alasan-alasan empirik yang terlihat dalam proses eksplorasi. Dan variance extracted di rekomendasikan pada tingkat 0,50.

4.3.5. Uji Normalitas

Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai statistik untuk menguji normalitas itu disebut Z-value. Bila nilai-Z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 [1] yaitu sebesar ± 2,58. Tabel 4.13. Normalitas Data Variable min max kurtosis

c.r.

X11 3 7 - 0,328 - 0,695 X12 3 7 - 0,206 - 0,437 X21 3 7 - 0,448 - 0,949 X22 3 7 - 0,099 - 0,211 X31 3 6 - 0,623 - 1,322 X32 3 7 - 0,045 - 0,095 Y11 3 7 - 0,755 - 1,602 Y12 2 7 - 0,257 - 0,546 Y21 3 7 - 0,782 - 1,660 Y22 4 7 - 0,685 - 1,453 Y31 3 7 - 0,444 - 0,942 Y32 3 7 0,431 0,914 M u lt iv a r ia t e - 0,471 - 0 ,1 3 4 Batas Normal ± 2,58 Sumber : Hasil Pengolahan Data Pada Lampiran 3 Hasil uji diatas menunjukkan bahwa nilai c.r multivariate berada di antara ± 2,58 yaitu -0,134, berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bender Chou 1987 bahwa jika teknik estimasi dalam model SEM menggunakan Maxsimum Likelihood Estimation MLE walau distribusi 55 datanya tidak normal masih dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.

4.3.6. Deteksi Multicollinierity dan Singularity

Dengan mengamati Determinant matriks covarians. Dengan ketentuan apabila determinant sample matrix mendekati angka 0 [kecil], maka terjadi multikolinieritas dan singularitas [Tabachnick Fidell,1998]. Berdasarkan hasil pengujian dengan menggunakan program AMOS 4.01 diperoleh hasil Determinant of Sample Covariance Matrix adalah 0 yaitu sebesar 5.742.691.902 mengindikasikan tidak terjadi multikolinieritas dan singularitas dalam data ini sehingga asumsi terpenuhi. 4.3.7. Structural Equation Modeling SEM dan Pengujian Hipotesis 4.3.7.1. Evaluasi Model One-Step Approach to SEM Dalam model SEM, model pengukuran dan model struktural parameter-parameternya diestimasi secara bersama-sama. Cara ini agak mengalami kesulitan dalam memenuhi tuntutan fit model. Kemungkinan terbesar disebabkan oleh terjadinya interaksi antara measurement model dan structural model yang diestimasi secara bersama-sama [One Step Approach to SEM]. One step aprroach to SEM digunakan apabila model 56 diyakini bahwa dilandasi teori yang kuat serta validitas reliabilitas data sangat baik [Hair et.al.,1998] Hasil estimasi dan fit model one step approach to SEM dengan menggunakan program aplikasi Amos 4.01 terlihat pada Gambar dan Tabel Goodness of Fit di bawah ini. Gambar 4.1. Model Pengukuran Kausalitas One Step Approach MODEL PENGUKURAN STRUKTURAL Marketing, Brand Equity Model Specification : One Step Approach - Base Model Distribution 1 Marketing d_dt 1 Advertising 0,005 d_ad X31 er_5 1 1 1 X21 er_3 1 1 X32 er_6 1 Price X11 er_1 1 1 d_pr 1 Brand Loyalty d_bl Y11 er_7 1 1 1 X22 er_4 1 Brand Recogniton d_br Y21 er_9 1 1 1 X12 er_2 1 Y12 er_8 1 Y22 er_10 1 Quality Image d_qi Y31 er_11 Y32 er_12 1 1 1 1 Brand Equity 1 0,005 d_be 1 Sumber : Hasil Pengolahan Data Lampiran 3 Tabel 4.14. Evaluasi Kriteria Goodness of Fit Indices Base Model Kriteria Hasil Nilai Kritis Evaluasi Model Cm in DF 2,316 ≤ 2,00 k ur ang baik Pr obabilit y 0,000 ≥ 0,05 k ur ang baik RMSEA 0,111 ≤ 0,08 k ur ang baik GFI 0,775 ≥ 0,90 k ur ang baik AGFI 0,540 ≥ 0,90 k ur ang baik TLI 0,690 ≥ 0,95 k ur ang baik CFI 0,770 ≥ 0,94 k ur ang baik Sumber : Hasil Pengolahan data Dari hasil evaluasi terhadap model one step base model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model belum sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi 57 oleh teori belum sepenuhnya didukung oleh fakta. Dengan demikian model ini masih perlu dimodifikasi sebagaimana terdapat di bawah ini. Gambar 4.2. Model Pengukuran Kausalitas One Step Approach Modifikasi MODEL PENGUKURAN STRUKTURAL Marketing, Brand Equity Model Specification : One Step Approach - Modifikasi Distribution 1 Marketing d_dt 1 Advertising 0,005 d_ad X31 er_5 1 1 1 X21 er_3 1 1 X32 er_6 1 Price X11 er_1 1 1 d_pr 1 Brand Loyalty d_bl Y11 er_7 1 1 1 X22 er_4 1 Brand Recogniton d_br Y21 er_9 1 1 1 X12 er_2 1 Y12 er_8 1 Y22 er_10 1 Quality Image d_qi Y31 er_11 Y32 er_12 1 1 1 1 Brand Equity 1 0,005 d_be 1 Sumber : Hasil Pengolahan Data Lampiran 3 Tabel 4.15. Evaluasi Kriteria Goodness of Fit Indices Modifikasi Kriteria Hasil Nilai Kritis Evaluasi Model Cm in DF 1,211 ≤ 2,00 baik Pr obabilit y 0,157 ≥ 0,05 baik RMSEA 0,044 ≤ 0,08 baik GFI 0,926 ≥ 0,90 baik AGFI 0,900 ≥ 0,90 baik TLI 0,950 ≥ 0,95 baik CFI 0,966 ≥ 0,94 baik Sumber : Hasil Pengolahan data Lampiran 3 Dari hasil evaluasi terhadap model one step model modifikasi ternyata dari semua kriteria goodness of fit yang digunakan, seluruhnya menunjukkan hasil evaluasi model yang baik, berarti model telah sesuai dengan data. Artinya, model konseptual yang dikembangkan dan dilandasi oleh teori telah sepenuhnya didukung oleh fakta. Dengan demikian model 58 ini adalah model yang terbaik untuk menjelaskan keterkaitan antar variabel dalam model sebagaimana terdapat di bawah ini.

4.3.7.2. Analisis Unidimensi First Order Tabel 4.16. Unidimensi First Order

Regression Weights Ustd Estimate Std Estimate Prob. X11 - - Price 1,000 0,914 0,000 X12 - - Price 0,457 0,419 0,046 X21 - - Dist r ibut ion 1,000 0,667 0,000 X22 - - Dist r ibut ion 0,825 0,596 0,000 X31 - - Adv er t ising 1,000 0,505 0,000 X32 - - Adv er t ising 1,221 0,624 0,000 Y11 - - Br and_Loy alt y 1,000 0,762 0,000 Y12 - - Br and_Loy alt y 0,847 0,704 0,000 Y21 - - Br and_Recognit on 1,000 0,539 0,000 Y22 - - Br and_Recognit on 1,437 0,864 0,011 Y31 - - Qualit y _I m age 1,000 0,545 0,000 Y32 - - Qualit y _I m age 1,417 0,829 0,145 X11 - - Price 1,000 0,914 0,000 X12 - - Price 0,457 0,419 0,046 X21 - - Dist r ibut ion 1,000 0,667 0,000 X22 - - Dist r ibut ion 0,825 0,596 0,000 Sumber : Hasil Pengolahan Data Lampiran 3 4.3.7.3. Analisis Unidimensi Second Order Tabel 4.17. Unidimensi Second Order Untuk Kegiatan Pemasaran Regression Weights Ustd Estimate Std Estimate Prob. Dist r ibut ion - - Mar ket ing 0,569 0,831 0,000 Adv er t ising - - Mar ket ing 0,427 0,987 0,000 Price - - Mar ket ing 0,395 0,501 0,000 Sumber : Hasil Pengolahan Data Lampiran 3 59 Tabel 4.18. Unidimensi Second Order Untuk Ekuitas Merek Regression Weights Ustd Estimate Std Estimate Prob. Br and_Loyalt y - - Br and_Equit y 1,000 0,752 0,000 Br and_Recognit on - - Br and_Equit y 0,419 0,505 0,027 Qualit y_I m age - - Br and_Equit y - 0,204 - 0,276 0,190 Sumber : Hasil Pengolahan Data Lampiran 3

4.3.7.4. Uji Hipotesis Kausalitas

Pengaruh langsung [koefisien jalur] diamati dari bobot regresi terstandar, dengan pengujian signifikansi pembanding nilai CR [Critical Ratio] atau p [probability] yang sama dengan nilai t hitung . Apabila t hitung lebih besar daripada t table berarti signifikan. Tabel 4.19. Uji Hipotesis Kausalitas Antar Faktor Regression Weights Ustd Estimate Std Estimate Prob. Faktor Faktor Br and_Equit y Mar ket ing 0,640 0,994 0,000 Batas Signifikansi ≤ 0,10 Sumber : Hasil Pengolahan Data Pada Lampiran 3 Dilihat dari tingkat probabilitas arah hubungan kausal, hipotesis yang menyatakan bahwa : Kegiatan Pemasaran berpengaruh positif terhadap Ekuitas Merek produk Kratingdaeng, dapat diterima. Hal tersebut dapat diketahui dari nilai probabilitas kausalnya 0,000 ≤ 0,10 yang menunjukkan nilai [signifikan [positif]. 60

4.4. Pembahasan